print_invest_result

pyqqq.backtest.utils.print_invest_result(dataframe, initial_cash, risk_free_rate=0.02, save_csv=False, csv_path='invest_result.csv')

투자 성과를 분석하고 주요 성과 지표를 계산하여 출력합니다.

이 함수는 일별 거래 데이터를 기반으로 CAGR, Sharpe Ratio, Maximum Drawdown 등의 주요 투자 성과 지표를 계산합니다. 휴장일은 자동으로 제외되며, 모든 지표는 연율화(252 거래일 기준)하여 계산됩니다.

Parameters:

• dataframe (pandas.DataFrame) –

  일별 거래 결과가 담긴 데이터프레임

  • earn_money: 일별 수익 (매매 후 현금 + 보유 주식 가치 기준)

  • account_value: 일별 계좌 가치 없는 경우 earn_money와 initial_cash로 자동 계산

  • datetime.date 타입의 거래일

• initial_cash (float) – 초기 투자 금액

• risk_free_rate (float, optional) – 무위험 수익률(연율). Defaults to 0.02 (2%). Sharpe Ratio 계산에 사용됩니다.

• save_csv (bool, optional) – 분석 결과를 CSV 파일로 저장할지 여부. Defaults to False.

• csv_path (str, optional) – CSV 파일 저장 경로. Defaults to “invest_result.csv”.

Prints:

다음 성과 지표들을 계산하여 출력합니다:

1. CAGR (Compound Annual Growth Rate)

   • 연평균 성장률

   • (최종가치/초기가치)^(252/투자일수) - 1

2. Sharpe Ratio

   • 무위험 수익률 대비 위험 조정 수익률

   • (초과수익률 평균/초과수익률 표준편차) * sqrt(252)

3. Maximum Drawdown

   • 고점 대비 최대 하락폭

   • max(1 - 현재가치/누적최대가치)

Example:

import pandas as pd
import datetime as dtm

# 일별 거래 결과 데이터 준비
data = {
    'earn_money': [1000, 2000, -500, 1500],
    'account_value': [101000, 103000, 102500, 104000]
}
dates = [
    dtm.date(2023, 1, 2),
    dtm.date(2023, 1, 3),
    dtm.date(2023, 1, 4),
    dtm.date(2023, 1, 5)
]
df = pd.DataFrame(data, index=dates)

# 성과 분석 실행
print_invest_result(
    dataframe=df,
    initial_cash=100000,
    risk_free_rate=0.02,
    save_csv=True,
    csv_path="trading_results.csv"
)

Notes

• 휴장일은 자동으로 제외됩니다 (is_full_day_closed 함수 사용)

• 모든 수익률 지표는 252 거래일 기준으로 연율화됩니다

• account_value가 제공되지 않은 경우, earn_money의 누적합과 initial_cash를 사용하여 자동 계산됩니다

• 일별 수익률은 earn_money/account_value로 계산됩니다

• 무위험 수익률은 일별로 환산되어 계산에 사용됩니다

Raises:

KeyError – dataframe에 필수 컬럼 ‘earn_money’가 없는 경우